导体|摩尔定律即将走到极限，英伟达试图推动半导体“黄氏定律”_极限|芯片|MAGNet|性能|数据|英

文章图片

图片来源：英伟达

采访人员 | 彭新

“在摩尔定律失效的当下，如果我们真想提高计算机性能， ‘黄氏定律’就是一项重要指标，且在可预见的未来都将一直适用。 ”在近日举办的GTC中国峰会上，英伟达首席科学家Bill Dally做出上述发言。
所谓黄氏定律，是以英伟达首席执行官黄仁勋（Jensen Huang）名字命名的定律，其预测GPU将推动AI性能实现逐年翻倍。目前来看，虽然或多或少受到硬件与软件影响，但黄氏定律将稳定发展，小至个人数码产品中的脸部或语音识别，大至自动驾驶汽车、数据中心等，都受益于黄氏定律。
在半导体的开发竞争中，业界普遍认为，以每两年2倍的速度发展的摩尔定律即将走到极限。在芯片主战场转向于AI领域的背景下，由英伟达提出的黄氏定律得到重视，显示英伟达在AI计算领域的领先地位。
当前AI计算无处不在，进一步向个人设备、边缘领域拓展。以智能手机为例，内置芯片搭载的神经网络引擎就为各项机器学习任务奠定了基础，如面部识别、自然语言理解、物体追踪与规避、手势和文本识别等。
“在整个GPU芯片设计历史过程中，随着工艺的发展，我们自然而然会放进去更多的计算单元。 ”英伟达中国区工程和解决方案高级总监赖俊杰告诉界面新闻采访人员。同时，英伟达依靠架构上的创新，从而使GPU发展速度和性能提升呈现几倍、甚至几十倍的结果。在GPU市场，英伟达GPU芯片的应用早已扩展到了游戏、图形计算之外，在数据中心的加速计算、AI取得主要市场份额。

文章图片

不过，虽然基本上是以AI为核心，但系统运作时仍然少不了CPU参与。而Bill Dally坦承，当工程师大幅提升某部分的运算时，其他无法再加快的部分就会成为瓶颈。
Bill Dally于2009年加入英伟达，此前担任斯坦福大学计算机科学系主任，致力于数据科学、人工智能和图形学的研究，拥有120多项专利。在英伟达， Bill Dally负责领导一支200多人的科学研究团队。
Bill Dally称，英伟达的目标是通过GPU技术的改进，每年将使AI推理性能成倍提升。在GTC大会上，英伟达推出一款超高能效加速系统MAGNet ，可以让AI推理能力达到每秒100万亿次的效率，比目前的商用芯片高出一个数量级。
“数据传输正是当今芯片中最耗能的环节， MAGNet采用了一系列新技术来协调并控制通过设备的信息流，从而最大限度地减少数据传输。 ”Bill Dally介绍称， MAGNet也是黄氏定律得以推动的例子之一。
另一方面， Bill Dally带领的英伟达研究团队也正在研究更快速的光链路取代现有IT系统内的电气链路。其中，一种名为“密集波分复用”的技术，有望在仅一毫米大小的芯片上实现Tb/s级别数据传输，是当前互连密度的十倍以上。
目前，英伟达的研究团队与哥伦比亚大学合作，探讨如何利用电信供应商在其核心网络中所采用的技术，通过一条光纤来传输数十路信号。
【导体|摩尔定律即将走到极限，英伟达试图推动半导体“黄氏定律”】不过，市场虽然对黄氏定律给予肯定，但与摩尔定律相比，黄氏定律具体发展步调仍难以确定。黄氏定律所提到的运算处理能力，其实无法推而广之，适用于各种应用情境中。人工智能研究组织Open AI就表示，以典型的AI影像识别测试为例，虽然笼统来看， AI“性能”每年可增加一倍，但要如何对“性能”达成共识，仍然是一项挑战。